通过自适应任务重构和代理执行使图像编辑变得更容易

指令引导的图像编辑在最近的生成模型中取得了显着进步，但它仍然无法在许多看似简单的情况下产生可靠的结果。我们观察到，这些失败很大一部分并非源于模型能力不足，而是源于制定不当的编辑任务，例如涉及小目标、隐式空间关系或未指定说明的编辑任务。在这项工作中，我们将图像编辑失败视为任务制定问题，并提出了一种自适应任务重新制定框架，该框架可以在不修改底层模型的情况下提高编辑性能。我们的关键思想是将原始图像指令对转换为一系列操作，这些操作由 MLLM 代理通过分析、路由、重新制定和反馈驱动的细化动态确定和执行。在多个基准（包括 ImgEdit、PICA 和 RePlan）以及 Qwen Image Edit 和 Nano Banana 等不同编辑主干上进行的实验显示出一致的改进，尤其是在具有挑战性的情况下取得了巨大的进步。这些结果表明，任务重新制定是一个关键但尚未充分探索的因素，并且通过将编辑任务与现有模型的有效操作机制更好地匹配可以实现实质性收益。